搜索：自主智能测试

「自主智能测试」共找到 5068 篇相关文章

Meta超级智能实验室又发论文，模型混一混，性能直接SOTA

大语言模型训练依赖算力和时间，传统模型 Souping 多采用均匀平均。Meta 等研究者提出类专家 Soup（SoCE），利用基准测试类别构成选最优模型，非均匀加权平均，实验显示其提升了模型效果与稳健性，在排行榜获 SOTA 成绩。

多智能体系统编排当前较为繁琐，北京邮电大学开源 MASFactory 框架，提出以图为中心架构和 Vibe Graphing 开发范式，将开发推向自然语言驱动时代，系统评估显示其效果良好。

Pinterest 工程团队搭建内部模型上下文协议（MCP）生态系统，驱动 AI 智能体，实现工程任务自动化。架构上线生产级服务器等，替换零散对接方式，让语言模型调用工具、访问数据，还能执行多种任务。

腾讯游戏提出游戏场景自动布局生成系统IntelliScene 2.0，利用图像引导生成3D场景。它构建多智能体工作流，结合高质量数据集，经模型微调、视觉解析等步骤生成场景，经评估效果良好，为AI生成三维信息提供新路径。

4月25日，OpenClaw发布v2026.4.25版本，官方口号“Less mystery， more machinery”。此次更新核心指向AI智能体下半场要更透明、可控，涵盖语音、可观测性、插件启动等多方面改进。

12月7日陆奇2025秋季「奇绩创坛路演日」，李笛压轴登场公开新创业公司明日新程（Nextie）。新团队由小冰核心初创团队构成，正计划启动千万美元融资，陆奇旗下奇绩是股东之一。公司想通过群体智能让AI有「认知」，产品预计明年1月7日上线。

2025年上海或成“世界具身智能第一战场”。上海构建服务型政府生态，开放场景、平权算力、建设语料、集聚产业。企业完成蜕变，政策催生技术突变，12月12日GDPS大赛将是成果“实弹演习”。

本文对话RoboScience联合创始人邵林，探讨VLOA大模型突破具身智能泛化瓶颈。他介绍了模型优势、设计思路，对比VLA，还谈及范式、难点及落地场景等，强调以人中心、做有温度技术，重视模型落地。

现有AI记忆评测只记'事'不记'人'，存在数据源窄、不重理解、注入成本高的问题。QuantaAlpha联合高校团队提出CloneMem基准测试，用'数字痕迹'评估AI Clone长期记忆能力，实验有反直觉结论并给出设计启示。

AgentSociety²是清华团队推出的社会科学研究新工具，让AI扮演研究助手和实验参与者角色。它打通研究断点，实现从「社会模拟」到「可执行社会科学」的转变，还构建工作流、创新实验环境和智能体设计。